Traceback (most recent call last): File ~/anaconda3/lib/python3.10/site-packages/spyder_kernels/py3compat.py:356 in compat_exec exec(code, globals, locals) File ~/stock/daily_analyse.py:65 a = next_net_mf_amount - net_mf_amount TypeError: unsupported operand type(s) for -: 'NoneType' and 'float'

这个错误提示是在执行 `next_net_mf_amount - net_mf_amount` 时出现了问题，其中 `next_net_mf_amount` 的值为 `NoneType` 类型，而 `net_mf_amount` 的值为 `float` 类型，这两种类型之间无法进行减法运算。

解决这个问题的方法取决于你的具体需求。如果 `next_net_mf_amount` 可能为 `None`，则需要在进行减法运算前先判断其是否为 `None`。例如：

if next_net_mf_amount is not None:
    a = next_net_mf_amount - net_mf_amount
else:
    a = None # 或者使用其他默认值

如果 `next_net_mf_amount` 不应该为 `None`，则需要检查代码中为什么会出现 `None` 值，例如可能是调用了某个函数返回了 `None`，或者是变量赋值出现了问题等等。需要对代码进行排查和调试。

相关问题

输出报错runcell(0, '/Users/mac/??????.py') Traceback (most recent call last): File ~/anaconda3/lib/python3.10/site-packages/spyder_kernels/py3compat.py:356 in compat_exec exec(code, globals, locals) File ~/??????.py:36 df2=df2.sort_values(by='??/?',ascending=False) File ~/anaconda3/lib/python3.10/site-packages/pandas/util/_decorators.py:331 in wrapper return func(*args, **kwargs) File ~/anaconda3/lib/python3.10/site-packages/pandas/core/frame.py:6912 in sort_values k = self._get_label_or_level_values(by, axis=axis) File ~/anaconda3/lib/python3.10/site-packages/pandas/core/generic.py:1850 in _get_label_or_level_values raise KeyError(key) KeyError: ‘人数/万’，重新修改一下这个程序

根据错误信息看来，出现了`KeyError`异常，即没有找到名为`'人数/万'`的列。你可以检查一下DataFrame是否包含该列，或者该列名是否拼写正确。另外，为了避免出现中文乱码问题，可以在文件开头添加如下代码，设置编码为UTF-8：

# -*- coding: utf-8 -*-

根据你提供的代码，修改后的程序如下：

# -*- coding: utf-8 -*-
import requests
from bs4 import BeautifulSoup
import pandas as pd

url = 'https://www.gk100.com/read_16892539.htm'
header = {"User-Agent": "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/605.1.15 (KHTML, like Gecko) Version/15.5 Safari/605.1.15"}

r = requests.get(url, headers=header)
r.encoding = r.apparent_encoding

soup = BeautifulSoup(r.text, features="lxml")
w1 = soup.find_all("td")

result = w1
df = pd.DataFrame(result)

df1 = df[2:]
for index in df1:
    d1 = df1[df1.index%2==0]
    d2 = df1[df1.index%2!=0]
    d1 = d1.reset_index(drop=True)
    d2 = d2.reset_index(drop=True)
    df2 = pd.concat([d1,d2], axis=1)

# 排序，按照第二列的元素进行降序排列
df2 = df2.sort_values(by='??/?', ascending=False)

title = ['省份', '人数/万']
df2.columns = title

print(df2)

需要注意的是，你的代码中`by='??/?'`的部分中文字符被替换成了问号，可能是文件编码不太兼容，你需要手动修改为正确的列名。

(64849, 21) (64849, 1) trainX Y shape is: (64599, 48, 21) (64599, 60, 21) (64599, 1) Traceback (most recent call last): File ~\anaconda4\envs\tensorflow\lib\site-packages\spyder_kernels\py3compat.py:356 in compat_exec exec(code, globals, locals) File d:\lstnet_keras-master\train_batch_a1.py:148 model,normalize = startTrainMult_1H(data,name,config) File D:\lstnet_keras-master\lstm\LSTNet_Interface_a38.py:570 in startTrainMult_1H model = trainModel(trainX1, trainX2 , trainY, config) File D:\lstnet_keras-master\lstm\LSTNet_Interface_a38.py:500 in trainModel model = LSTNetAttention(trainX1,trainX2,trainY,config) File D:\lstnet_keras-master\lstm\LSTNet_Interface_a38.py:443 in LSTNetAttention lstm1 = LSTM(64, return_sequences=True)(input1) File ~\anaconda4\envs\tensorflow\lib\site-packages\keras\layers\recurrent.py:541 in __call__ return super(RNN, self).__call__(inputs, **kwargs) File ~\anaconda4\envs\tensorflow\lib\site-packages\keras\backend\tensorflow_backend.py:75 in symbolic_fn_wrapper return func(*args, **kwargs) File ~\anaconda4\envs\tensorflow\lib\site-packages\keras\engine\base_layer.py:475 in __call__ previous_mask = _collect_previous_mask(inputs) File ~\anaconda4\envs\tensorflow\lib\site-packages\keras\engine\base_layer.py:1441 in _collect_previous_mask mask = node.output_masks[tensor_index] AttributeError: 'Node' object has no attribute 'output_masks'

这个错误是由于 Keras 版本的问题导致的。在旧版本的 Keras 中，LSTM 层的参数是 return_sequences 和 return_state，而在新版本的 Keras 中，LSTM 层的参数是 return_sequences、return_state 和 return_attention。你可以检查一下你使用的 Keras 版本是否与代码中使用的版本相同。如果不同，你需要修改代码以适应你的 Keras 版本。另外，你可以尝试在 LSTM 层中添加 `return_sequences=True` 参数来解决这个问题。